一种基于数据审核的自学习方法技术

本发明专利技术公开了一种基于数据审核的自学习方法，包括：通过少量的人工标注数据对巡检机器人进行初期训练；将经过初期训练的巡检机器人放入标准工作环境中，基于初期的训练数据进行巡检；对巡检结果进行人工评定，正确的结果将转换为标签与巡检数据成对存储在巡检机器人中；错误的结果通过人工修订，指定正确值后再次成对进行存储；将经过自学习的巡检机器人放入实际工作环境中，并再次在技术人员的监督下进行自学习，经过多次训练，直到达到最终的巡检效果。本发明专利技术将传统的监督学习方式改为半监督学习方式，极大地减少了技术人员的工作量，减少了对于数据集的成本投入。

【技术实现步骤摘要】
一种基于数据审核的自学习方法
本专利技术涉及一种基于数据审核的自学习方法。
技术介绍
伴随着城市规模的扩大以及居民对电能依赖程度的增加，变电站的规划数量与日俱增，变电站在电网中扮演着不可或缺的角色。变电站长久、稳定的运行才能保证电能的平稳输送，保证居民生产、生活正常开展以及社会的安定、和谐。但是伴随着变电站的增加，相对应的变电站的巡检工作则变得十分困难。传统的采用人工巡检的方式存在下列问题：首先，变电站需要定期巡检，巡检员工作强度大；第二，采用人工巡检对巡检员的业务水平有较高要求，因为经验缺乏无法排查到所有的问题将留下安全隐患；第三，变电站除分布于城市中的小型变电站外，多数大型变电站都分布于交通不便的地区，而且由于变电站规模增大等一系列原因，都增加了人工巡检的成本。目前，采用巡检机器人替代人工巡检已经成为变电站巡检的主流。变电站巡检机器人的巡检过程与人工巡检类似，需要代替人工来读取变电站中的各种表计的示值，基于读取到的示值进一步分析是否存在异常。但是，在进行判定之前需要对巡检机器人通过大量的数据进行训练，而这些数据需要人工提前进行标注，变为带有标签(label)的数据才可使用，标注过程中的人力成本及其高昂，且消耗时间。目前还没有针对巡检机器人的自学习训练方法。
技术实现思路
本专利技术的目的在于提供一种基于数据审核的自学习方法，可以使得巡检机器人无需大量的标注数据进行训练，通过自我学习来实现巡检训练目标。为实现上述目的，本专利技术的技术方案为：一种基于数据审核的自学习方法，包括如下步骤：步骤1：通过少量的人工标注数据对巡检机器人进行初期训练，该人工标注数据是指带有标签的数据集；步骤2：将经过初期训练的巡检机器人放入标准工作环境中，基于初期的训练数据进行巡检；步骤3：对巡检结果进行人工评定，正确的结果将转换为标签与巡检数据成对存储在巡检机器人中；错误的结果通过人工修订，指定正确值后再次成对进行存储；步骤4：将经过自学习的巡检机器人放入实际工作环境中，并再次在技术人员的监督下进行自学习，经过多次训练，直到达到最终的巡检效果。其中，步骤2所述的标准工作环境是指包含了巡检机器人所需要巡检的所有表计种类，且表计示值固定已知。因此可以通过将正确的表计示数存储于计算机中进行自动数据审核，来替代技术人员进行审核，减少人工工作成本。本专利技术的有益效果是：由于标注数据人工成本高，人工标注工作量大且依赖大量的原始数据，这样制约了巡检机器人的识别性能的提升，本专利技术的自学习方法，将传统的监督学习方式变更为半监督学习方式，极大地减少了技术人员的工作量，减少了对于数据集的成本投入。同时，巡检机器人可以在日常工作中不断自我学习，自我提升，这是在规模一定的已标注数据集训练下难以实现的。附图说明图1是巡检机器人的传统训练方式。图2是巡检机器人基于数据审核自学习的训练方式。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。一种基于数据审核的自学习方法，包括如下步骤：步骤1：通过少量的人工标注数据对巡检机器人进行初期训练，该人工标注数据是指带有标签的数据集，该数据集中样本量较低，不同于传统的大数据集的训练方法。步骤2：将经过初期训练的巡检机器人放入标准工作环境中，基于初期的训练数据进行巡检；该标准工作环境是指包含了巡检机器人所需要巡检的所有表计种类，且表计示值固定已知，因此可以通过将正确的表计示数存储于计算机中进行自动数据审核，来替代技术人员进行审核，减少人工工作成本。步骤3：对巡检结果进行人工评定，正确的结果将转换为标签与巡检数据成对存储在巡检机器人中；错误的结果通过人工修订，指定正确值后再次成对进行存储，其具体的实现方式如下：在标准工作环境中，巡检机器人读取表计示数已知的表计，并将巡检结果反馈给技术人员，技术员对反馈的数据进行审核，若巡检结果正确，在经技术人员确定后，该组数据变为数据集存储于巡检机器人的识别模块中；若巡检结果错误，技术人员手动输入正确的巡检结果，之后这组数据变为数据集再次存储于机器人的识别模块中。步骤4：将经过自学习的巡检机器人放入实际工作环境中，并再次在技术人员的监督下进行自学习，经过多次训练，直到达到最终的巡检效果。本专利技术的自学习方法，将传统的监督学习方式(如图1所示)改为半监督学习方式(如图2所示)，极大地减少了技术人员的工作量，减少了对于数据集的成本投入。同时，巡检机器人可以在日常工作中不断自我学习，自我提升，这是在规模一定的已标注数据集训练下难以实现的。上述实施例只是为了说明本专利技术的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本专利技术的内容并据以实施，并不能以此限制本专利技术的保护范围。凡是根据本
技术实现思路
的实质所做出的等效的变化或修饰，都应涵盖在本专利技术的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于数据审核的自学习方法，其特征在于：包括如下步骤：步骤1：通过少量的人工标注数据对巡检机器人进行初期训练，该人工标注数据是指带有标签的数据集；步骤2：将经过初期训练的巡检机器人放入标准工作环境中，基于初期的训练数据进行巡检；步骤3：对巡检结果进行人工评定，正确的结果将转换为标签与巡检数据成对存储在巡检机器人中；错误的结果通过人工修订，指定正确值后再次成对进行存储；步骤4：将经过自学习的巡检机器人放入实际工作环境中，并再次在技术人员的监督下进行自学习，经过多次训练，直到达到最终的巡检效果。

【技术特征摘要】
1.一种基于数据审核的自学习方法，其特征在于：包括如下步骤：步骤1：通过少量的人工标注数据对巡检机器人进行初期训练，该人工标注数据是指带有标签的数据集；步骤2：将经过初期训练的巡检机器人放入标准工作环境中，基于初期的训练数据进行巡检；步骤3：对巡检结果进行人工评定，正确的结果将转换为标签与巡检数据成对存储在巡检机器人中；错误的...

【专利技术属性】
技术研发人员：宋云海，周震震，罗征洋，孙萌，王奇，尚佳宁，崔曼帝，张晗，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司检修试验中心，
类型：发明
国别省市：广东,44